近日，植被结构功能与建造全国重点实验室陶胜利课题组在《Scientific Data》期刊发表题为“A 1.5 m resolution land cover map of Southern China created with Superpixel U-Net”的研究论文。该研究创新性提出了Superpixel_U-Net深度学习模型，并将其应用在ESRI World超大规模影像数据集中，成功绘制了1.5米分辨率的中国南方土地利用地图。在多项精度评估指标中，该地图表现突出，为后续科研分析奠定了高质量的数据基础，也为复杂区域的高精度土地利用制图提供了全新的技术方案。

中国南方是指我国秦岭-淮河以南的地区，得益于丰沛的水资源和湿润的气候条件，该地区拥有巨大的碳储量和可观的农业生产能力，是支撑我国经济发展、粮食安全与生态安全的关键区域。然而，由于该地区的土地覆盖呈现高度破碎化与复杂化的特征，高精度的土地利用制图面临巨大挑战，现有土地利用产品在该地区表现不佳。

图1. Superpixel_U-Net 模型示意图。每个方框表示一个多通道特征图，方框上方标注通道数量，左侧标注特征图的空间尺寸。浅绿色方框表示从左侧网络中拷贝得到的特征图，蓝色和黄色方框对应了语义分割和超像素分割的特征图。箭头显示不同操作的处理流程。

为此，研究团队创新性提出了Superpixel_U-Net模型框架，将超像素分割模块与语义分割模块融合，有效保留了图像的结构信息，并显著增强了模型的特征提取能力。在Potsdam与Vaihingen公共数据集上的实验结果显示，相较于传统的语义分割模型，Superpixel_U-Net 在土地覆盖语义分割任务中表现优异，展示出卓越的泛化能力。

图2. 1.5 米分辨率中国南方土地利用地图。(a)为总体分布图, (b)–(e)为局部放大区域，左侧为遥感影像，右侧为对应的土地利用地图。

为了解决中国南方高精度土地利用制图的难题，研究团队历时两年，批量下载了区域内1.5米分辨率ESRI World遥感影像，并融合了10米分辨率的NDVI和NDWI指数作为辅助输入，丰富了光谱信息。通过半自动标注流程，该研究人工标注了43,000幅超高分辨率影像，构建了一套涵盖八类土地覆盖类型的高质量训练数据集。随后，基于Superpixel_U-Net模型框架，研究团队最终成功生成了一套1.5米分辨率的中国南方土地利用产品，细致呈现了区域内农田、林地、水体、建设用地等多类地物的空间格局。

图 3. 在中国南方地区不同土地利用产品的语义分割结果对比图

多项精度评价结果表明，对比于已有的土地覆盖产品，该产品在中国南方地区表现优异，更好地呈现了地物边界与破碎化地块的空间细节，为后续的科学研究提供了坚实的数据基础，并为复杂地区的土地利用制图提供了全新的解决方案。

文章信息：

Scientific Data

A 1.5 m resolution land cover map of Southern China created with Superpixel U-Net

论文链接：

https://www.nature.com/articles/s41597-025-06373-y

这项研究成果受到了中国科学院战略性先导科技专项（XDA26010303）和国家自然科学基金（32471554）的资助。胡晓梅博士生为论文的第一作者，陶胜利研究员为该论文的通讯作者。研究合作单位包括中山大学与青海大学。